APPLOVIN在季度內實現近 77% 的收入增長、高達 81% 的調整後 EBITDA 利潤率，並產生 7.68 億美元的自由現金流時，市場本應歡呼。但最近由於頻繁被做空，需要進行詳細說明一下。2025 年Q2，AppLovin 交出了一份堪稱“印鈔機”的財報，資料全面創下歷史新高。同時，公司果斷剝離了遊戲業務，全力聚焦於輕資產、高利潤的 AI 廣告平台主業。然而，與其強勁基本面形成鮮明對比的，是近期多家做空機構的狙擊以及 SEC（美國證券交易委員會）已介入調查的陰雲。AppLovin 究竟是 AI 驅動的下一個廣告巨頭，還是一個建立在灰色資料上的“紙牌屋”？本文將在我們 20 頁深度研究的基礎上，結合其最新財報與戰略動作，系統性拆解 AppLovin 的商業模式與“動態護城河”，正面回應做空疑雲，並評估其在 Meta 和 The Trade Desk 夾擊下的真實未來空間。一、 拆解 AppLovin：從“遊戲公司”到“AI 平台”的進化許多人對 AppLovin 的印象還停留在它是一家移動遊戲公司。這不假，但已是過去時。今年 6 月 30 日，公司宣佈完成向 Tripledot 出售旗下移動遊戲業務，徹底轉型為一家純粹的“AI + 程序化廣告”平台。理解 AppLovin 的核心，必須理解它的“鐵三角”業務：1. MAX（供給側：開發者的變現聚合器）對於應用開發者而言，MAX 是一個“超級變現中台”。它通過統一的即時競價（In-App Bidding），聚合了全球幾乎所有的廣告需求方。開發者只需接入 MAX 的 SDK，就能確保自己的每一個廣告位都能以最高的價格（eCPM）賣出，實現填充率和收益的最大化。2. AppDiscovery（需求側：廣告主的投放平台）對於廣告主（例如，希望獲取使用者的電商、遊戲或金融 App）而言，AppDiscovery 是一個精準的“獲客引擎”。它幫助廣告主在高頻的即時競價中，精準預測使用者的生命周期價值（LTV），從而實現廣告投放 ROI 的最大化。3. AXON（核心大腦：統一的 AI 引擎）AXON 是連接上述兩端的“統一大腦”。這是一個基於深度學習和強化學習的 AI 模型。它的獨特之處在於，其訓練資料來源源不斷地來自 MAX 平台。AppLovin 的核心機密：資料與AI的閉環飛輪這三部分構成了一個強大的閉環飛輪，這也是 AppLovin 的核心競爭力：(啟動) 開發者為了更高的收入，將自己的 App 接入 MAX 平台。(資料) MAX 匯聚了海量的、高品質的第一方使用者行為和變現資料（使用者在A應用看了什麼廣告、點選了什麼、最終是否付費）。(訓練) 這些資料被用來喂養和訓練 AXON 引擎，使其對使用者 LTV 的預測越來越準。(提效) “更聰明”的 AXON 賦能給 AppDiscovery 平台，廣告主的投放 ROI 顯著提升。(提價) 因為 ROI 提升，廣告主願意支付更高的出價（Bid）來競逐流量。(反哺) 更高的出價意味著開發者的廣告收入（eCPM）更高。(加速) 更高的收入吸引了更多開發者和流量接入 MAX。這個循環一旦啟動，就會像滾雪球一樣自我加速。更多的資料讓 AI 更智能，更智能的 AI 帶來更高的效率和收入，更高的收入又反過來吸引更多的資料。二、 Q2 財報為證：81% 利潤率的“奇蹟”2025 年第二季度的財報，就是這個飛輪效應的完美體現。收入： 12.59 億美元，同比增長 77%。調整後 EBITDA： 10.18 億美元，同比增長 99%。調整後 EBITDA 利潤率： 驚人的 81%！自由現金流： 7.68 億美元。出售遊戲業務（重資產、低利潤率）並聚焦平台業務（輕資產、高利潤率）的戰略決策，被這份財報證明是極其正確的。這 81% 的利潤率，清晰地展示了“AI 引擎 + 雙邊平台飛輪”所能達到的恐怖盈利能力。同時，AppLovin 宣佈自 10 月起以“推薦制”上線全新的 Axon Ads Manager（自助投放平台），並計畫在 2026 年上半年全球放量。這是其從服務大客戶走向服務中小廣告主的關鍵一步，意圖極大拓寬需求側的覆蓋面。三、 AppLovin 的“動態護城河”AppLovin 的護城河不在於某個單一技術，而在於上述飛輪所建構的三個動態壁壘：1. 技術與資料的雙重壁壘程序化廣告的核心是 ROI。AXON 引擎的性能優勢，是建立在 MAX 平台匯聚的海量、獨家、第一方行為與變現資料之上的。這種“資料—模型—預算”的正反饋，使得後來者極難在短時間內複製同等規模的高品質訓練資料，也就無法訓練出同等效率的 AI 模型，自然也無法在投放效果上構成威脅。2. 供需一體化的規模經濟與市場上的獨立 DSP（如 TTD，偏需求側）或 SSP（偏供給側）不同，AppLovin 借助 MAX 和 AppDiscovery 打通了供給與需求兩端。更重要的是，它使用統一的大腦（AXON）對兩端進行全域最佳化。這好比一個同時控制“商品生產”和“商城銷售”的智能中樞，其最佳化效率和利潤空間遠非“只管生產”或“只管銷售”的單邊平台可比。Q2 高達 81% 的調整後 EBITDA 利潤率，就是這種一體化規模經濟的直接體現。3. 產品“下沉”與生態擴張即將推出的 Axon Ads Manager 自助平台，是其護城河的“擴張”手段。它將 AppLovin 強大的 AI 能力“產品化”、“工具化”，降低了使用門檻。這將使其強大的 ROI 提升能力，從原先集中的遊戲領域，快速“外溢”到電商、金融科技（FinTech）甚至 CTV（聯網電視）等新垂類，打開中小廣告主的長尾市場增量。四、 烏雲壓頂：如何看待做空與 SEC 調查？近期，AppLovin 正面臨嚴峻的外部挑戰。多家媒體與賣空機構指控 AppLovin 在資料收集、裝置指紋辨識以及平台條款方面存在不當甚至違規行為。路透社等媒體證實，SEC 已就此展開調查。受此影響，公司股價一度出現劇烈波動。公司方面強烈否認了所有不當行為，並已聘請頂級律所 Quinn Emanuel 開展獨立調查以證清白。我們應該如何客觀看待這一風險？首先，必須明確：調查並非定罪。在正式結論出爐前，一切指控都只是指控。投資者應將此視為一個關鍵的外生變數，保持動態跟蹤。其次，這是對 AppLovin 合規與溝通能力的一次“壓力測試”。短期看，這無疑會壓制市場情緒和估值。中期看，這可能是一次“去偽存真”的契機。如果 AppLovin 最終能夠通過獨立調查和監管稽核，形成一套可審計、可驗證的 SDK 合規路徑、使用者同意訊號（Consent）管理與合作夥伴條款證據鏈，那麼這將極大地提昇平台的“可託付度”，反而會變相加固其護城河，清除掉那些真正遊走在灰色地帶的競爭對手。當然，風險是真實存在的。如果調查結論對公司不利，其核心的 AXON 資料來源和模型效果可能受到衝擊。因此，在塵埃落定前，保持對監管動態的最高關注是必要的。五、 坐標與對比：Meta、TTD 與 AppLovin在兆規模的數字廣告市場，AppLovin 處在什麼位置？我們將其與兩大巨頭進行對比（基於 Q2’25 資料）：Meta (Facebook/Instagram)體量： 收入 475 億美元，淨利 183 億美元。模式： 絕對的王者。其廣告系統已全面 AI 化，但核心優勢在於其封閉的社交生態系統（FB/IG/WA）和海量的第一方關係資料。差異： Meta 的 AI 強在“演算法 + 場景”的深度一體化（如短影片推薦）。但對於生態外的第三方開發者，其可定製性和透明度天然受限。The Trade Desk (TTD)體量： 收入 6.94 億美元，淨利 9000 萬美元。模式： 開放網際網路（Open Internet）和 CTV 領域的獨立 DSP（需求側平台）龍頭。差異： TTD 強在連接廣告主與海量的開放網際網路/CTV 供應側，但在移動應用內（In-App）生態，它缺少 AppLovin 那種“供需閉環 + 一方訓練資料”的強力模型飛輪。AppLovin體量： 收入 12.59 億美元，調整後 EBITDA 10.18 億美元。模式： 移動應用內生態的**“供需一體化 AI 基礎設施”**。差異： AppLovin 的體量遠小於 Meta，絕對營收也低於 TTD，但其**盈利質量（81% 利潤率）**鶴立雞群。定位： 如果說 Meta 是“封閉的帝國”，TTD 是“開放的買方代表”，那麼 AppLovin 則是面向所有第三方開發者的“AI 廣告基礎設施”。它以 MAX + AXON 的形式，為開發者提供了一個“可插拔”的、能立竿見影提升變現性能的解決方案。AppLovin 在非社交場景的 App（如遊戲、工具、電商）的變現與獲客上，形成了自己的結構性優勢，與 Meta、TTD 形成了“錯位競爭”。六、 未來增長的三台發動機展望未來，AppLovin 的增長空間主要來自三方面：1. Axon Ads Manager 全球放量（自助化）2026 年 H1 在全球開放的自助投放平台，是其增長的第一台發動機。這將使其服務能力從少數大客戶指數級擴展到全球海量的中小廣告主（SMBs），極大提升投放廣度與複利係數。2. 垂直領域擴張（多元化）將 AXON 在遊戲領域被驗證的超強 ROI 提升能力，複製到電商、金融科技、工具乃至 CTV 等預算池更大的賽道，是其第二台發動機。這將拓展其 TAM（總潛在市場），並降低對單一遊戲賽道的依賴。3. 飛輪的持續自強化（內生增長）這是最核心的第三台發動機。MAX 市場份額的提升 → 一方資料的增厚 → AXON 模型的迭代 → 廣告主 ROI 和開發者 eCPM 的改善 → 現金流的增強 → 更多的研發和併購投入 → 進一步強化飛輪。這是一個“技術-現金流-份額”的自強化循環。結語：高收益、高風險的“基礎設施”AppLovin 的護城河，不是某項單一技術，而是由 MAX（供給）× AppDiscovery（需求）× AXON（大腦）三者構成的動態飛輪。資料網路效應、演算法性能優勢以及由此帶來的強大現金流再投入能力，共同推動了平台在 ROI 和 eCPM 上的持續精進。這使其在輕資產、高利潤的商業模式上，跑通了一個近乎完美的範式。然而，短期內，SEC 的監管調查是懸在其頭上的“達摩克利斯之劍”，也是最大的不確定性。投資者必須正視這一風險。中長期看，如果 AppLovin 能夠成功“渡劫”，證明其合規性，那麼憑藉其自助化平台（Axon Ads Manager）的全球落地和向多垂直領域的擴張，這家 AI 驅動的廣告“基礎設施”公司，其天花板或許才剛剛打開。我們將持續跟蹤其合規進展與新產品的全球落地情況。 (老王說事)

今天繼續給大家帶來「一頁紙」講透美股公司系列。對國內投資者而言，美股研究資料相對匱乏，導致認知大多停留在幾家全球科技巨頭，但其實美股存在大量的“隱形冠軍”，都錄得相當不錯的收益。這是一個非常「有錢景」的方向，我會借助 AlphaEngine 的幫助，幫你跨越美股研究的資訊鴻溝，每天挖掘一個潛在的美股財富密碼。本期的主角是：AppLovin（APP）。（1）AppLovin的發展歷程AppLovin已在第三方移動廣告行業，尤其是在高價值的遊戲內廣告（IGA）市場，確立了其無可爭議的領導者地位。公司憑藉28%的市場份額，超越了Google AdMob（27%）和Unity（12%），成為該細分市場的龍頭。其在iOS平台的優勢尤為顯著，市場份額高達43%，顯示出在後IDFA（蘋果隱私政策）時代強大的技術適應性和市場競爭力。截至目前AppLovin有數百電商和遊戲廣告主，總廣告主約1500家。近年來AI技術的應用顯著提升了業務效率，能更高效實現廣告轉化。AppLovin的發展歷程可清晰劃分為四個階段，展現了其從工具到平台的戰略演進：2012-2016年：早期探索與擴張。公司於2012年成立，最初作為App推薦工具起步。2013年推出行銷解決方案平台AppDiscovery，切入廣告技術服務。隨後在2014-2016年間，公司迅速拓展歐洲市場，完成了早期全球化佈局。2017-2022年：併購整合與技術奠基。這是公司建構核心競爭力的關鍵時期。通過一系列戰略性併購，並於2019年推出機器學習引擎AXON，初步建構了“資料+演算法”的技術護城河。2023-2024年：AI驅動與飛輪爆發。2023年公司將引擎升級至AXON 2.0，顯著提升了廣告匹配效率。在蘋果IDFA隱私政策調整後，AppLovin憑藉其資料與演算法優勢，成功搶佔市場份額，實現了業務的飛輪式增長。2025年至今：戰略聚焦軟體平台。公司於2025年宣佈出售旗下應用程式業務，標誌著其戰略重心徹底轉向高利潤率的軟體平台服務，旨在成為純粹的廣告技術解決方案提供商。AppLovin通過三次核心併購，完成了從廣告投放到資料歸因的全產業鏈技術閉環，建構了強大的競爭壁壘。2018年收購MAX，掌握了移動廣告變現端的核心——即時競價（In-App Bidding）技術。2021年收購Adjust， 將全球第二大移動歸因與資料分析平台Adjust收入囊中。這次收購補齊了效果衡量與資料歸因的關鍵一環，使得AppLovin能夠追蹤廣告投放後的使用者行為，形成“投放-變現-歸因-再最佳化”的資料閉環，極大地增強了其演算法的精準度和有效性。同年，公司從Twitter手中收購聚合平台MoPub，並將其整合進MAX。這不僅清除了一個主要競爭對手，還進一步擴大了其廣告網路的規模和覆蓋範圍，鞏固了其在廣告聚合領域的市場領導地位。（2）AppLovin的增長飛輪AppLovin的核心競爭力在於其以AXON機器學習引擎為驅動的“資料-演算法”增長飛輪。飛輪的起點是全產業鏈佈局所帶來的海量、多維度資料，涵蓋廣告投放（AppDiscovery）、交易（ALX）、競價（MAX）及歸因（Adjust）等環節。這些資料持續喂養AXON引擎，通過即時動態建模技術進行高效處理，將廣告匹配效率提升了300%。高效的匹配直接轉化為廣告主廣告支出回報（ROAS）58%的同比增長。優異的投放效果吸引廣告主持續增加預算，這又激勵更多擁有高品質流量的開發者加入MAX平台，從而為AXON引擎提供了更多、更高品質的資料進行訓練，進一步最佳化演算法精度。這一正向循環確保了AppLovin在蘋果IDFA新政後依然能搶佔市場份額。*註：由FinGPT Agent作表，原表請登錄AlphaEngine這一高效的增長飛輪是AppLovin區別於競爭對手的核心優勢，使其從單純的廣告網路演變為一個由AI驅動、具備強大網路效應的軟體平台，為其高利潤率和持續增長奠定了堅實基礎。（3）AppLovin戰略轉型：剝離遊戲業務，聚焦軟體平台AppLovin於2025年5月7日宣佈將其移動遊戲業務（1P遊戲業務）出售給Tripledot Studios。交易對價包括4億美元的現金對價，以及Tripledot Studios 20%的股權對價。選擇在現在這個時點出售移動遊戲業務，主要有以下幾點原因：1）AppLovin自營應用業務的增長乏力其在2025年第一季度的收入為3.25億美元，同比下降14%，表現未達市場預期。通過此次出售，AppLovin在剝離非核心資產的同時，以股權形式保留了在遊戲產業的敞口，實現了風險與收益的再平衡。2）AI引擎AXON 2.0已高度成熟公司的核心AI引擎AXON 2.0技術已高度成熟，其演算法訓練不再過度依賴自營遊戲產生的海量第一方資料。這意味著維持高成本的遊戲工作室對於其核心技術壁壘的邊際貢獻已大幅降低，剝離成為理性選擇。3）聚焦高利潤核心剝離遊戲業務後，公司資源將全面集中於利潤極其豐厚的廣告軟體業務。該業務在2025年第一季度的EBITDA利潤率已高達81%，增量利潤率更是達到驚人的94%。通過剝離利潤率相對較低的遊戲業務，公司得以最佳化資本配置，全力驅動高增長、高毛利的軟體平台，從而提升整體盈利能力和股東價值。*註：剝離遊戲業務的財務影響測算，Morgan Stanley（4）AppLovin財務表現與增長前景2025年第二季度是AppLovin剝離全部遊戲APP業務後，首個收入完全來自廣告業務的完整財季，其財務表現驗證了戰略轉型的成功。收入增長強勁：該季度總收入達到12.59億美元，全面超出市場預期，實現了77%的同比增長。這一增長完全由高利潤率的軟體平台業務驅動，顯示出公司核心業務的強大內生增長動力。盈利能力卓越：調整後EBITDA利潤率高達創紀錄的81%，凸顯了純軟體業務模式卓越的盈利水平。同時，公司該季度產生了7.68億美元的自由現金流，同比增長72%，展現了強大的現金生成能力和健康的財務狀況。總體來看，Q2財務資料清晰地表明，AppLovin在完成業務剝離後，其財務模型得到顯著最佳化，增長動能和盈利水平邁上了新台階。基於分析師一致預期，AppLovin在剝離遊戲業務、聚焦高利潤率的軟體平台後，未來三年將進入新一輪高速增長周期。*註：由FinGPT Agent作表，原表請登錄AlphaEngine（5）移動廣告技術市場競爭格局AppLovin已在第三方移動廣告技術領域，尤其是在高價值的遊戲內廣告（IGA）市場，確立了其無可爭議的領導者地位。公司憑藉28%的市場份額，超越了Google AdMob（27%）和Unity（12%），成為該細分市場的龍頭。下面我們逐個分析數字廣告市場的主要參與者及其商業定位。競對1號：MetaMeta作為全球數字廣告市場的絕對領導者，其市場地位穩固且規模龐大，與Google合計佔據移動廣告市場約60%的份額，形成了雙寡頭壟斷格局。Meta依託Facebook、Instagram等應用構築的巨大自有流量池，為廣告投放提供了無瓶頸的規模基礎。更關鍵的是，幾乎所有廣告主均向Meta回傳付費轉化資料，形成了海量、高品質的資料閉環，這為其演算法最佳化提供了無可比擬的養料。其AI廣告工具Advantage+ Shopping表現極為強勁，年化收入在18個月內從100億美元迅猛增長至200億美元，成為拉動增長的核心引擎。Meta與AppLovin在廣告預算的爭奪中，呈現出“核心”與“補充”的定位差異，但在效果和新興市場上競爭日趨激烈。在廣告主的預算分配中，Meta通常被視作“核心投放管道”，而AppLovin則多被定位為“補量管道”，用於在核心管道之外獲取增量使用者。競對2號：Google作為全球最大的賣方平台（SSP），Google控制著約半數以上的市場份額，為其廣告業務奠定了堅實的基礎。在移動端，其核心產品AdMob在Android廣告變現市場中佔據28%的領先份額，是該生態系統內無可爭議的領導者。而在競爭激烈的移動遊戲廣告領域，Google以約27%的市場份額緊隨AppLovin（28%）之後，是其最主要的競爭對手之一。Google將AdMob深度整合於Android生態系統中，利用其作業系統層面的優勢，獲得了廣泛的使用者觸達和資料協同效應，這是其他獨立廣告平台難以複製的護城河。目前AppLovin已在iOS平台實現對Google AdMob的反超，佔據主導地位；而在Android平台，Google則憑藉其生態優勢保持領先。*註：由FinGPT Agent作表，原表請登錄AlphaEngine競對3號：Unity / ironSourceUnity通過收購ironSource，成功整合了其市場佔有率第一的遊戲引擎與廣告技術，形成了獨特的“引擎+廣告平台”業務模式。此舉使其在移動遊戲廣告市場佔據約12%的份額，成為行業內不可忽視的力量。Unity的核心護城河在於其遊戲引擎帶來的協同效應。Unity引擎在移動遊戲開發領域擁有超過70%的市佔率，這為其提供了直接獲取第一方使用者行為資料的獨特管道，是其最佳化廣告演算法的稀缺資源。龐大的開發者基礎構成了天然的客戶池，降低了其廣告業務的獲客成本，並增強了平台粘性。儘管具備結構性優勢，但Unity在與AppLovin的直接競爭中，於技術和資料層面仍存在明顯差距。Unity的資料基礎相對薄弱，其使用者標籤化工作尚未完成，主要依賴客戶回傳和引擎原始資料；而AppLovin已通過整合Adjust和MAX等工具鏈形成了更完整的資料閉環。這一差距直接導致其Vector演算法在ROI表現上弱於AppLovin的AXON 2.0。在變現效率上，最能體現差距的指標是Take rate（平台抽成率）。Unity的Take rate僅為30-35%，顯著低於AppLovin的50-60%。*註：由FinGPT Agent作表，原表請登錄AlphaEngine競對4號：Digital TurbineDigital Turbine在移動廣告生態中扮演著獨特的角色，其業務模式並非聚焦於AI廣告技術，而是側重於裝置預裝和內容分發，通過與移動營運商和裝置製造商的深度合作，覆蓋了約10億台裝置，建構了獨特的應用分發管道。Digital Turbine的核心護城河在於其對裝置入口的掌控。公司在美國Android裝置預裝市場佔據約70%的壟斷地位，這為其帶來了其他廣告平台難以複製的獨特流量入口。儘管面臨裝置啟動量下滑的宏觀壓力，但其變現能力持續提升，體現為每裝置收入（RPD）的高速增長，尤其在美國市場，其RPD實現了40%的同比增長，有效避險了裝置出貨量的波動。（6）AppLovin的主要風險2025年3月27日，知名做空機構渾水研究（Muddy Waters Research）發佈了一份針對AppLovin的做空報告，引發強烈市場反響，AppLovin股價應聲暴跌20%，創下公司自上市以來的最大單日跌幅，市值單日蒸發約200億美元，投資者信心遭受重創。渾水研究的做空報告直指AppLovin商業模式中的三大核心風險。1）資料與合規問題：報告指控AppLovin涉嫌資料盜用、濫用使用者資料，並違反了關鍵平台的應用服務條款，對其業務的合規性基礎提出嚴峻挑戰。2）平台政策的挑戰：AppLovin的業務高度依賴於移動生態系統，因此面臨來自蘋果（Apple）和Google（Google）等平台方的重大政策與監管風險。蘋果的ATT（App Tracking Transparency）框架和Google正在推進的隱私沙盒（Privacy Sandbox）計畫，旨在限制跨應用的使用者資料追蹤，這可能直接削弱AppLovin依賴資料進行精準廣告定向的核心能力。儘管公司憑藉其AI技術在ATT政策後搶佔了市場份額，但未來更嚴格的隱私政策仍可能對其廣告效果和盈利能力構成持續威脅。在悲觀情景下，隱私政策的衝擊是導致股價大幅下挫的關鍵變數之一。3）激烈的市場競爭與客戶流失風險：移動廣告市場競爭異常激烈，AppLovin不僅需要與Unity等第三方平台競爭，更面臨來自Google和Meta等行業巨頭的直接壓力。這些頭部平台擁有龐大的第一方資料、海量的使用者基礎和雄厚的資本，能夠在技術研發和市場拓展上進行大規模投入。隨著競爭加劇，廣告網路的利潤率可能受到擠壓，削弱AppLovin等第三方平台的競爭力，對其長期市場份額和盈利空間構成挑戰。根據渾水報告披露，AppLovin的電商廣告客戶流失率高達23%，這一資料與公司CEO此前向市場傳遞的樂觀資訊形成鮮明對比，嚴重動搖了市場對其電商業務增長可持續性的信心。 （Alpha Engineer）

“勝者與確定性” VS 估值，誰的權重更大？作為美股AI應用領域最優秀的幾個範本，我前期也分析了很多次，但更多的是從基本面與商業模式的角度深度分析，而從投資方法論的角度來看，如果能做到持有，則是更為關鍵的，尤其是這些公司在上漲的過程中一直伴隨著各種質疑，輝達相對較好，但是palantir則將高估值演繹到了極致，動態PS超過100倍，市場對於勝者的確定性溢價給到了極致。從投資方法層面，市場對於競爭贏家與確定性的權重很高，而對估值則是次要，本文我將以輝達、palantir、applovin，2023年至今的股價走勢作為樣本案例深度分析，深度展開分析投資這類股票的方法論策略。所以，在時代浪潮中，尤其是AI這樣足夠宏大的敘事，頭頂人類第四次工業革命的“巨大光環”，能帶來足夠上限的市值，但是AI本身發展尚且處在初期，AI本身又伴隨極大的新舊轉換動能，大量舊的技術堆疊、商業模式在AI時代可能就不存在了，大模型內化了很多的能力，這個前期的文章也討論的比較多了。所以在這樣一個“無比宏大的敘事帶動巨大的行業TAM上行” VS “創新者窘境與技術替代擔憂” 糾纏的市場中，市場在新範式裡，把“勝者與確定性”權重放在估值之上。從三個不同領域贏家2023年至今的走勢與事實，抽象出一套“勝者×確定性”投資範式：怎麼識別？如何上倉？何時加碼/減倉？以及如何把它產品化到看板裡做持續決策。1) 三個樣本的“共同劇本”：超拐點 → 估算上修 → 平台化標籤升級輝達：貝葉斯“超級拐點”的範本2023年5月24日財報把當季收入指引直接抬到 $110億（±2%），相對一致預期約 $71.5億 的“斷層式上修”，股價當日近+24%，等於正式宣告“AI資本開支進入指數級階段”。隨後二季度實際收入 $135億，資料中心 $103億，驗證了“供給約束的需求洪峰”；到2024-2025財年，季度收入繼續爬升至 $300億（2024年8月）→ $351億（2024年11月）→ $393億（2025年1月），Blackwell與GB200 NVL72的“機架級系統”敘事落地，平台標籤再次上移。這背後是什麼含義呢？當企業給出系統性供需錯配＋多季度持續上修，市場會主動抬升確定性權重，估值體系換軌。Palantir：從“講故事”到“可驗證盈利＋指數標籤”的路徑2023年開始的 AIP（Artificial Intelligence Platform）與密集 Bootcamp，把“AI能落地”的證據節律化；公司實現連續多個季度 GAAP盈利，並在2024年9月加入標普500。2025年多次上調年內收入展望，成為當年標普500漲幅榜第一梯隊——市場在意的不是靜態倍數，而是美國商業/政府兩條曲線同時加速與盈利可驗證的“確定性”。AppLovin：演算法“二代躍遷”驅動的再評估AXON 2.0（2023年起）使廣告引擎效率階躍提升，帶動2024年“史詩級”股價年漲幅；2025年Q1、Q2延續高增長（例如Q1收入約 $14.84億；Q2廣告業務繼續高增長且EBITDA擴張），公司聚焦AdTech主業、出售自有App資產，敘事從“遊戲發行+廣告平台”升級為“AI驅動的效果廣告基礎設施”。估值雖高、期間也遭遇空頭報告波動，但“盈利與現金流的確定性”成為更強錨。上面三段都指向同一件事：當“勝者地位×確定性曲線”爬升時，市場容忍高估值；而曲線回落時，估值才重新變成主角。2) 抽象投資範式：Winner–Certainty（W–C）框架核心命題：在冪律分佈的股市裡，極少數贏家貢獻了大部分長期財富；要賺大錢，關鍵不是“猜便宜”，而是在勝者的確定性加速期敢於集中持有與順勢加碼。學術資料也支援：美國股市長期淨財富創造主要來自頭部約2–4%公司；而盈餘意外和分析師上修在後續收益上有持續性。具體參見股市是一台冪律機器：當“複利”遇上“極端偏態”把它落成一個可交易的“W–C引擎”：(A) 勝者識別（Winner）系統級優勢：晶片→系統→網路→軟體棧一體化（NVDA的Blackwell/GB200 NVL72 + NVLink）；或資料/模型/交付閉環（PLTR的AIP）；或分發/競價網路的演算法優勢（APP的AXON 2.0）。生態位鎖定：開發者/客戶遷移成本高、介面與標準掌控（CUDA、AIP工作法、AXON接入）。(B) 確定性評分（Certainty）D 需求確定性，客戶CapEx/預算上修、訂單能見度、使用/呼叫量（NVDA連續多季資料中心收入爆表；PLTR美國商業/政府雙線提速；APP廣告花費在AXON上“翻倍再翻倍”）。S 供給/交付確定性，產能、交期、產品代際節奏（NVDA從Hopper到Blackwell平行、機架級出貨節拍）；對APP是投放面/流量面與管道政策的可預期性。E 生態/標籤確定性，平台化標籤升級與“敘事β”共振（Shiller“敘事經濟學”的直觀證據）。(C) 行為與交易規則買點通常是貝葉斯超拐點（一次指引/財報把“世界觀改寫”，如NVDA 2023/5/24）；兩季以上連續上修；標籤上移（產品→系統/平台）。持有。EPS上修期內允許估值溢價擴張；用“估值-在-後座”的紀律，直到“上修衰減＋供給轉松＋敘事降級”出現2/3。加減，圍繞事件（財報、產品發佈、指數納入（PLTR 2024年9月進標普500）、負面輿情）做衛星倉高拋低吸，核心倉儘量不動。3) 三個案例怎麼對應到框架？A. 輝達（NVDA）超級拐點識別：2023/5/24 指引斷層上修，確認“AI CapEx主導周期”。隨後幾個季度持續放大，把“GPU公司”上移為“機架級AI系統平台”。方法論動作要領：2023/5/24 超級指引確立貝葉斯超級拐點，買高加高，把超拐點當天作為“再定價起點”而非“兌現點”；二階變數，跟蹤HBM/封裝/網路與GB200 NVL72交付節奏來判斷上修持續期；估值退位，只要資料中心上修和訂單能見度未拐頭，靜態PE不具約束力。風險/哨兵，客戶CapEx顯著轉弱、供給顯著過剩、網路範式被替代；（2024-2025年NVDA持續把“平台化”往外延伸——Blackwell與NVLink、乃至更開放的系統介面以適配異構晶片——都是對這些風險的提前避險）。B. Palantir（PLTR）超級貝葉斯拐點逐步兌現，拐點2023年起AIP商業化與Bootcamp加速轉化，隨後多季GAAP盈利，2024/9進入S&P 500；2025年二次上修強化“確定性溢價”。方法論動作要領：“盈利+指數”雙確認後，提高對高倍數的容忍度；用“客戶數/合同價值”與“美國商業/政府雙引擎”驗證持續性；敘事β高時（媒體/賣方一邊倒）謹慎用衛星倉對衝波動。風險/哨兵：政府訂單節奏＋商業客戶滲透放緩、估值擁擠、輿情/政策風險。C. AppLovin（APP）AXON 2.0帶來廣告端的單位效果躍遷，2024年股價“再定價”；2025年Q1/Q2繼續高增＋高利潤；公司聚焦AdTech主業，故事更純方法論動作：演算法代際躍遷=平台化標籤：觀察花費份額、客戶留存/復投與ROI證據；波動管理：遇到空頭報告等“標籤突襲”，以基本面更新頻率為錨（財報/指引/大客戶案例）做衛星倉避險，不輕易動核心倉。風險/哨兵：隱私/生態政策變動（iOS/Android）、管道依賴、極端競爭降價。4) 把“估值放後座”的數理化：上修驅動的估值再錨定一個實用心法：預期回報 ≈ f{（EPS上修強度 × 上修持續期） × 平台/生態加成 × 敘事β} − 風險項。學術上，盈餘意外與分析師上修常常帶來後續收益（所謂PEAD/Revision效應）；現實裡，NVDA/PLTR/APP的多季上修與標準/平台地位疊加，解釋了為何“估值貴”也能繼續走強。5) 可落地的執行手冊是怎麼樣的？① 發現超拐點（Bayes）規則：一次指引或財報改寫“世界觀”（如NVDA 2023/5/24），或兩季連續大幅上修；LR（似然比）>10 則“倉位與倍數容忍同步上調”。② 量化“確定性三雷達”（Tri‑Radar™）D需求客戶預算/CapEx與呼叫量；S供給產能/交期/代際節奏（或演算法與流量側的“供給穩定性”）；E生態介面/工具鏈/客戶留存與開發者熱度。綜合分 S* = 0.35·D + 0.35·S + 0.30·E（階段不同可調）。③ 組合結構：核心＋衛星核心鎖定“W–C>閾值”的贏家（NVDA/PLTR/APP處於此列）。衛星圍繞財報/產品發佈/指數變動/空頭報告等事件做“T+ε”戰術倉位。④ 進出紀律（Snap‑Back™）跟蹤“股價相對未來12M EPS上修”的偏離Z分。Z>+2 且 S*回落→ 先減衛星；Z回均且仍上修 → 加衛星。負面三訊號觸發≥2/3（一致預期下修 + 供給/交付轉松 + 敘事降級）→ 核心降到戰略位。⑤ 觀念升級容許集中度自然膨脹（冪律市場裡，不要機械再平衡）。Bessembinder的統計提醒我們，長期財富主要由極少數“超級贏家”創造。所以，與其“信仰＋忽視靜態估值”，不如把輝達這類冪律贏家放進一套跨學科、可執行的框架裡：從“產業傳導—生態位—行為—交易術—風控”五層一起看。時間軸復盤：該做什麼，而不是該想什麼階段A：預拐點（~2022）動作：在“基本面未壞＋估值被動殺”的階段用小步快跑建底倉；跟蹤雲巨頭AI資本開支指引、CUDA生態活躍度、資料中心訂單/交期這些領先指標，而不是盯PE。階段B：拐點確認（2022Q4–2023Q2）ChatGPT式“殺手級應用”驗證“算力=瓶頸”。策略：買高更要敢加高——拐點後的超預期指引（2023-05-24那一槍）是“二次建倉點”，接受估值抬升的制度性變化（盈利質變→估值體系換軌）。階段C：供給約束牛（2023–2024）供給端（HBM/CoWoS/封測/網路）成為收益率更高的二階變數。動作：圍繞“供給瓶頸—產能擴張—價格/產品Mix”滾動上調盈利；用估計-上修-再超預期節奏做“事件驅動加倉”，而不機械止盈。階段D：平台化鞏固（2024–2025）從“訓練繁榮”過渡到“推理/應用滲透”。動作：堅持“持有到下一條S曲線”，用EPS修正趨勢而非絕對倍數決定倉位；對“見頂焦慮”保持耐心，直到客戶CapEx顯著轉折＋供給過剩這兩個條件同時成立。產業周期視角：三張表的傳導雲巨頭現金流量表→資本開支→NVDA收入/毛利模型需求雷達（Demand）：AWS/Azure/Google/Meta/Tesla等AI相關CapEx/推理支出指引；大模型訓練參數、推理呼叫量、AI廣告/電商ROI回流。供給雷達（Supply）：HBM（SK hynix/Samsung/Micron）產能與良率、TSMC CoWoS產能、整機（OEM/ODM）交期、網路/光模組供給。價格與Mix：新代際（H→B系列等）ASP與軟體/網路附加值；NVLink/InfiniBand/軟體訂閱滲透對結構性毛利的抬升。要點：這是一輪資本開支主導的周期，利潤更受產能與配套決定；因此“看需求曲線斜率＋供給瓶頸強度”比分母估值更有效。產業階段儀表：在那個階段，買什麼、怎麼持？階段 0（探索期）：原型/科研驅動，殺手級應用未現。→ 小倉位“買期權”（LEAPS/權證思想）。階段 1（訓練擴容）：算力即瓶頸，資本開支爆發。→ 買高加高核心平台（NVDA 等），二階受益配比（HBM/網路/整機）。階段 2（推理解鎖）：呼叫量爆增、成本曲線快速下行。→ 增配系統與軟體訂閱受益、觀察“通用→專用”分化。階段 3（平台化/標準化）：生態定型、系統級整合抬升毛利。→ 持有至“下一條 S 曲線”（新架構/新介質/新網路）。階段 4（通用化/替代壓力）：價格競爭、專用 ASIC 滲透。→ 降權重、轉向“規模低價 + 服務化”贏家與應用龍頭。階段切換以三訊號判定：（A）雲 CapEx 斜率變更＋（B）供給瓶頸緩/轉＋（C）生態/標準落錘。≥2/3 同向即視為階段遷移。3) 競爭格局：四道護城河＋三類威脅護城河軟體/CUDA堆疊（編譯器、庫、框架最佳化）→開發者鎖定與後向相容；系統工程（GPU架構＋NVLink/NVSwitch＋網路）→從晶片到機架級協同；供應鏈協同（TSMC先進封裝、HBM繫結產能）→稀缺產能優先權；生態共生（ISV、系統整合商、雲市場化SKU）→“平台化”議價力。三類威脅：A) 定製ASIC/自研（TPU/Trainium 等）：威脅集中在規模最大、演算法相對穩定的工作負載；B) 通用CPU/低價GPU做推理：對長尾、低延遲場景更敏感；C) 開源編譯/中間層繞過：降低軟體鎖定度。應對之道：用“Total System Cost of Ownership”統一口徑比較，關注系統級吞吐/瓦/美元，而不是單晶片TFLOPS。4) 確定性金字塔（從底到頂）約束確定性：供給瓶頸（HBM/CoWos封裝）→短中期供需偏緊；客戶確定性：雲巨頭/網際網路平台的多年CapEx承諾與部署節奏；生態確定性：CUDA與工具鏈勢能、ISV適配度、開發者遷移成本；產品節奏確定性：代際Roadmap與“性能/功耗/記憶體頻寬”躍遷；財務確定性：訂單能見度、毛利結構改善、費用率紀律。倉位規則：確定性≥3層上漲→維持/加碼；跌破2層並伴隨EPS下修→減倉。5) 投資“標籤度”：敘事β的可交易化標籤清晰度從“GPU公司”→“AI基礎設施平台”→“AI作業系統＋機架級系統公司”。共鳴度指標新聞佔比、財報提及“AI/推理/推理即服務”的頻次、開發者大會熱度、Google Trends、GitHub/ArXiv等開放資料。切換時點每次標籤上移（定位抬升）通常對應倍數再評價的窗口；反之，當標籤開始分裂（“成本中心”敘事抬頭）要謹慎。6) 生態位、紅皇后與共生生態位，NVDA佔據“通用加速—多樣工作負載”的寬生態位；路徑依賴來自CUDA與工具鏈沉澱。紅皇后動態，競爭者與客戶自研都在奔跑；平台方必須用代際躍遷＋系統工程＋軟體堆疊維持適應度領先。共生關係，TSMC/HBM廠商/高速網路/整機廠與之互利共生，“優先配額”形成繁殖優勢（份額與毛利的累積效應）。突變事件，若出現“範式突變”（例如更適配推理的低功耗體系）→先看生態可遷移性與編譯層適配速度。7) 行為金融：讓自己不“聰明反被聰明誤”錯殺/錨定把2020以前的倍數當錨會錯過“質變估值”。過度分散冪律分佈要求容許頭部持倉膨脹；“把10%讓它長到30%”往往是賺“大錢”的必要條件。過度擇時頂/底難以預測，順著EPS上修與價格動量比預測宏觀更有效。兌現衝動機械“翻倍就減半”能鎖住小勝、錯過大勝；更好的辦法是圍繞核心頭寸適度高拋低吸，而非砍核心。8) 交易與倉位：如何“賺到更多更大的錢”P（優先順序/持倉權重） = f〔D·需求指數化 × S·供給稀缺 × L·標籤化估值 × B·貝葉斯斷層訊號〕，其中 D、S、L、B 皆可量化打分，並隨產業階段動態調權。D｜需求指數化（Demand Indexing）核心客戶（雲巨頭/AI平台）把“AI/算力”從項目制變成預算指數化的長期投入；以CapEx 斜率 + 使用/呼叫量作為領航指標。頂級客戶 CapEx 同比增速、指引上修幅度與覆蓋面（家數）；關鍵應用呼叫量/訓練參數/推理請求量 proxy（可用公開披露與第三方指數替代）。S｜供給稀缺（Supply Scarcity）系統瓶頸（HBM/先進封裝/高端網路/電力）導致交付受限且可持續，使龍頭享有配額與定價權。CoWoS/封裝稼動率與交期變化、HBM 訂單鎖定比例、ASP 方向；機架/網路側的交付瓶頸與替代難度（InfiniBand/高端以太、液冷等）。L｜“標籤化”估值（Label‑Driven Multiple）從“晶片公司”躍遷為“機架級 AI 系統平台 / 行業標準持有者”，敘事上移帶動倍數再評價。“平台/系統/標準/訂閱”在財報與大會中的提及密度與落地證據；開發者/ISV 生態活躍度、客戶鎖定/遷移成本指標；指數納入/權重提升等“標籤強化”事件。B｜貝葉斯“斷層”訊號（Bayesian Break）單次或連續幾次資訊流徹底改寫先驗（例如 2023‑05‑24 的指引斷層）。設定兩個假設 H（進入指數期）與 ¬H（線性期），計算似然比 LR = P(D|H)/P(D|¬H)。當 LR ≥ 10 進入“超拐點”——倉位與倍數容忍同步上調。單季/單次指引超預期 Z 分（相對歷史分佈的分位數）、環環/同同增速斷層、客戶多點共振（≥2 家雲巨頭同步上修）。結構化持倉，核心長期＋戰術衛星。核心不輕易動；衛星圍繞財報/產品發佈/產能新聞做事件驅動與波段。估值的“新錨”，用FCF/營收與雲CapEx的彈性、系統級毛利上修做錨，而非靜態PE。期權工具（進階），在“拐點確認後—供給仍緊”的階段，用長天期LEAPS＋滾動減Gamma提高資本效率；或避險式領口/對敲管理回撤。風控，用三訊號減倉法——(1) EPS一致預期三周連續下修；(2) 供給轉“顯性過剩”（交期顯著回落＋價格鬆動）；(3) 敘事從“增長—平台”滑向“成本—替代”。觸發≥2/3再動刀。操作十誡（濃縮為可執行清單）:先驗小、證據大：用 LR 累積證據，不憑主觀看空/看頂。估值服從平台化：冪律期看 P/E∗P/E^*P/E 抬升 × EPS 上修，別用靜態倍數止盈。容許集中：10%→30% 靠“事實得分”與“風險預算”，而非“等權回呼”。久期優先：核心久期 + 事件價差；不賣上行 gamma。雙閘管理：價格閘=回歸帶；基本面閘=兩鑰匙。只在“事實”上賣：份額/交付/ASP/ROI/生態連貫惡化才系統降配。替代門禁：tokens-per-$ 優勢≥25% + 規模訂單 → 先降槓桿。狀態機：訓練→混合→推理/應用，用 D、P 的變形率判斷相位。回撤紀律：先減槓桿、後動久期；擁擠峰值不輕易清空核心。10. 復盤閉環：每次“放/收”都留證據鏈，回測“放任 vs 修剪”的長期差異。所以，在“贏家—確定性”主導的時代，估值只是結果變數。 把注意力放在超拐點發現、持續上修驗證、平台化標籤升級與紀律化的持有/加減上，你就更有機會在NVDA/PLTR/APP這類資產上，不僅賺到“對的方向”的錢，更能賺到“足夠多、足夠大的錢”。 (貝葉斯之美)

移動廣告巨頭AppLovin公佈超預期二季度業績後股價上漲近12%，但對於動輒兩位數波動的公司來說這一漲幅已經相對“溫和”。公司確認電商自助服務全面上線時間將推遲至2026年上半年，晚於此前預期，但美銀仍大幅上調其2026年收入預期。8月7日，移動廣告巨頭AppLovin發佈超預期第二季度財報，推動其股價大漲近12%。財報顯示，公司核心業務表現強勁，但備受關注的電商自助服務平台確認將推遲至2026年上半年全面上線。財報顯示，公司營收達到12.59億美元，較上一季度增長9%，超出華爾街共識預期。調整後EBITDA利潤率達到81%，維持高盈利水平，與華爾街預期和公司指引一致。這一超預期財報公佈後公司股價上漲近12%，但這一漲幅對這只美股市場波動率最高的股票而言被視為相對溫和的反應。據《巴倫周刊》最新報導，AppLovin在過去12個月的貝塔係數高達3.7，為羅素1000指數中最高，超過超微電腦、羅賓漢和Coinbase等其他高波動股票。該公司在過去14個季度中，有13個季度在財報發佈後首個交易日出現兩位數百分比波動，平均波動幅度約為21%。儘管公司電商自助服務的全面上線時間確認推遲至2026年上半年，但美銀美林仍維持“買入”評級並上調盈利預期。分析師將2026年收入預期從80.9億美元上調至100.5億美元，主要基於電商廣告主推薦計畫的推出以及面向中小企業的服務擴張。AppLovin股價今年已累計上漲約38%，過去12個月飆升約480%，市值超過1320億美元，有望在派拉蒙全球與Skydance Media合併後加入標普500指數。電商業務推遲管理層對第三季度營收指引為13.3億美元，環比增長約5%，略高於市場預期，但低於部分投資者此前預期的兩位數增長。管理層表示，電商業務的增長節奏較為緩慢，第三季度電商收入預計持平，主要原因是自助服務尚未全面上線。儘管整體業績強勁，但市場對AppLovin的增長預期正發生微妙變化。分析師Omar Dessouky指出，第二季度的超預期表現主要來自遊戲業務，而電商業務“並未起色”。AppLovin確認，其電商自助服務平台（eCom self-serve）將於2026年上半年實現全面開放，較市場原先預期有所推遲。該平檯面向中小企業客戶，預計將成為未來增長的重要驅動力。看好長期潛力 美銀上調遠期預測儘管短期存在不確定性，但美銀對AppLovin的長期前景依然樂觀，並大幅上調了其遠期財務預測。該行將AppLovin的2026財年營收預測從81億美元上調至100億美元，EBITDA預測也從67億美元上調至84億美元。支撐這一樂觀預測的基石，是管理層在財報中承諾的幾項關鍵舉措。分析師認為，第四季度將變得“有趣”，增長動力將主要來自：新的推薦計畫：將於2025年10月1日啟動，旨在重新加速大型電商廣告主的引入。全球市場擴張：為現有廣告主啟動美國以外的“世界其他地區”（Rest of World）受眾，以提升單個廣告主的平均支出。中小企業市場：雖然有所延遲，但2026年上半年終將上線的電商自助服務平台，有望釋放龐大的中小企業廣告需求。管理層重申了其願景，即成為像Meta和Google一樣具有系統重要性的市場推廣管道。電商計畫面臨執行風險在新的增長預期下，美銀維持了對AppLovin 580美元的目標價，但其估值邏輯更為審慎。報告指出，其估值所用的企業價值/EBITDA倍數已從之前的32倍下調至24倍，以反映公司在電商推薦計畫和自助服務平台推廣中面臨的“執行風險”。報告認為，即便如此，AppLovin憑藉其在移動遊戲廣告市場的統治地位，理應享有相對於大型線上廣告同行的顯著溢價。同時，報告也提示了潛在的下行風險，包括宏觀經濟衰退、聯準會收緊金融環境、移動平台如蘋果和Google的政策變動，以及Facebook在iOS生態上的強勢復甦，這些因素都可能對AppLovin的股價造成負面影響。 (invest wallstreet)

本文選取三家成長路徑備受關注的 AI 公司：· Applovin：模型最佳化投放，提升廣告轉化；· CrowdStrike：AI 驅動安全，增強客戶留存；· Palantir：嵌入決策流程，建構智能系統。它們路徑不同，但有一個共通目標：建構出能脫離純競爭的結構，走出自己的增長軌道。彼得·蒂爾在《從 0 到 1》中說：“所有偉大的科技公司，都是某種意義上的壟斷者。競爭是給失敗者的，真正成功的公司，都有一套自己能控制的結構。”01｜Applovin：從廣告撮合平台到 AI 投放引擎｜商業模式：從撮合結構走向模型驅動Applovin 起步於廣告撮合平台，為 App 開發者與廣告主提供增長與變現工具，初期依賴系統撮合與演算法分發抽佣。2021–2022 年，公司探索內容側閉環，嘗試 “買量–變現–再投資” 的路徑，同時併購 Adjust（歸因分析）與 MoPub（庫存管理）以增強平台能力。2023 年起，Applovin 全面剝離遊戲資產，轉型為純技術平台。當前收入結構圍繞三大系統建構：AppDiscovery：廣告主投放入口；MAX：開發者變現聚合工具；Adjust：行為追蹤與歸因分析平台。這三大系統由 AI 投放引擎 AXON 驅動，負責每一次展示背後的使用者匹配、價格判斷與素材分發，已成為整個平台的核心增長引擎。Applovin 的底層邏輯已從 “連接供需” 演化為 “用 AI 放大投放效率”。｜產品結構：從賣流量轉向賣轉化率Applovin 不掌握流量入口，也不生產內容。平台真正售出的是一套 “以更少預算換取更高轉化” 的系統工具。典型使用方式包括：手游開發商通過 MAX 實現廣告變現，再用 AppDiscovery 買量形成閉環；電商品牌在 App 與 CTV（聯網電視） 投放，由 AXON 自動尋找高轉化人群；中小廣告主使用自助平台設定 ROI 目標，獲得系統投放反饋。廣告主設定 CPI 或 ROAS 目標，其餘環節由 AXON 自動完成素材匹配、出價預測與分發調度。平台賣出的不是展示量，而是投放效率。這也是 AI 在 To B 商業中最具代表性的場景之一。｜AI 能力：AXON 是投放系統的中樞引擎AXON 不是功能元件，而是整個平台的效能核心。其主要能力包括：轉化預測 + 即時競價：結合使用者畫像、上下文、歷史行為判斷轉化機率並動態出價；預算自動最佳化：根據廣告主設定目標 CPI / ROAS 自動調整預算分配策略；生成式創意模組：AXON 2.0 引入素材自動生成工具，縮短創作時間約 40%。AXON 的模型精度依賴以下要素：海量使用者行為資料（曝光 → 點選 → 留存）；每次投放後的即時反饋用於持續訓練；多場景適配，從 App 到 CTV 再到跨平台追蹤。截至 2024 年底，AXON 已貢獻 AppDiscovery 超過 75% 的廣告收入，成為廣告效率與利潤率提升的核心來源。｜客戶結構：分散流量，集中預算Applovin 是典型的雙邊平台結構：供給側：以移動遊戲開發者為主，廣泛整合 MAX 提供廣告庫存；需求側：廣告主結構從手游逐步擴展至電商、品牌、CTV 客戶。幾個關鍵特徵：客戶分散：無單一客戶佔比超過 10%；客戶粘性高：MAX SDK 整合後切換成本高，AXON 模型一旦跑通後預算持續加碼；客戶結構在演化：非遊戲廣告客戶增速更快，電商與品牌預算不斷提升；客戶獲取門檻下降：自助式投放工具降低中小廣告主接入門檻，帶來長尾增長。客戶關係完全依賴 AXON 所提供的投放效果與模型可視化反饋能力。｜財務表現：13 季度資料驗證結構性躍遷Applovin 的財務結構在過去三年經歷了明顯分化：2022 年承壓，2023 年轉折，2024–2025 年進入高利潤兌現階段。以下為 2023 Q1 至 2025 Q1 共 13 個季度核心財務資料（單位：億美元）：核心趨勢觀察：2023 Q2 是 GAAP 盈利拐點，利潤與 FCF 同步提升；2024 年進入利潤率躍升期，FCF 利潤率維持在 40–50% 區間；AXON 能力提升 + 廣告主 ROI 改善 → 模型驅動平台盈利結構轉正；投放結構最佳化帶動留存 + 長尾客戶拓展，增長不再依賴單一行業或客戶。Applovin 的盈利路徑，已由內容驅動轉為結構驅動，是 AI 驅動平台型公司的典型財務躍遷路徑。｜競爭位置：廣告生態中的中立效率引擎Applovin 是全球第三大移動廣告平台，僅次於 Google（AdMob）與 Meta（FAN），市佔率約 15–20%。區別在於：技術中立：不掌握內容、不干預流量，不與開發者競爭；效果可量化：AXON 模型主導轉化效率，客戶為結果買單；場景多元拓展：在 CTV、新品類廣告管道具備先發與靈活性。Applovin 正成為 “非 Google / Meta 路徑” 下最具性價比的投放技術平台。｜創始人與組織基因：聚焦效率，控制節奏CEO Adam Foroughi 出身金融交易行業，團隊決策風格偏謹慎務實。過去幾年，公司在組織路徑上呈現出較為明確的一致性：在移動廣告市場調整期，主動剝離遊戲業務，聚焦平台能力；Unity 拒絕併購後，反向加大 MAX 與 AXON 系統打磨投入；自由現金流用於回購，資本使用節奏相對清晰；未主動追逐 AI 概念，而是圍繞投放效率持續最佳化模型系統。這些舉措並不激進，但體現出較高的節奏控制力與產品聚焦方向。Applovin 更像是一家以工程效率為核心、持續打磨系統結構的技術型公司。02｜CrowdStrike：AI 安全的產品化範本｜商業模式：從 EDR 起步，走向平台型安全系統CrowdStrike 起步於端點檢測與響應（EDR），通過 Falcon 平台切入企業安全市場。與傳統安全公司不同，CrowdStrike 從創立起即堅持雲原生架構，採用輕量代理、雲端分析、統一管理的模式。Falcon 平台基於模組計費，每個客戶可以從基礎安全開始，逐步解鎖更多模組：如身份保護、雲安全、日誌分析等。截至 2024 年底，平台已覆蓋超 28 個功能模組，具備高度組合彈性。客戶部署起點通常較輕，但通過 “著陸–擴張（land and expand）” 策略逐步擴展，形成持續增值路徑。這種結構讓 CrowdStrike 具備了 SaaS 平台公司的典型特徵：可預測的訂閱收入、高客戶留存、高 ARPU 提升空間。｜產品結構：模組即能力，平台即防禦系統CrowdStrike 賣出的不是一款安全軟體，而是一整套可擴展、即時進化的安全操作平台。Falcon 各模組構成了其系統性能力矩陣：EDR/XDR：提供威脅檢測、事件回溯、行為阻斷；Falcon Identity：身份攻擊檢測與存取控制；Falcon Cloud Security：雲帳戶、容器與 Kubernetes 安全。Falcon LogScale：日誌管理，具備 SIEM 替代能力。Charlotte AI（2023 起）：生成式 AI 助手，輔助調查與響應。所有模組共享資料平台，統一介面，無需重複部署。使用場景涵蓋安全營運中心（SOC）、DevOps 流程、IT 管理團隊等全域角色。｜AI 能力：從檢測模型到全流程 AI 安全協同CrowdStrike 的 AI 能力分兩階段推進：階段一：IOA 模型建構威脅識別引擎自創立起即內嵌 AI 檢測模型，用於識別攻擊指標（IOA）；模型運行在雲端，基於數萬億等級遙測資料持續訓練；可檢測零日攻擊、無檔案攻擊與橫向移動等複雜威脅。階段二：生成式 AI 助手 Charlotte AI2023 年推出，嵌入 Falcon 控制台；支援自然語言提問、攻擊路徑分析、安全事件總結與報告生成；結合結構化平台資料，支援 SOC 分析師完成快速響應、歸因與修復。AI 不再是檢測輔助工具，而是嵌入整個安全維運流程的智能引擎，標誌著 Falcon 平台進入 “識別–推理–解釋–響應” 的全流程 AI 協同時代。｜客戶結構：高留存、大客戶、多模組深化截至 2025 Q1，CrowdStrike 擁有超 24,000 家客戶，覆蓋多個關鍵行業的財富 500 強企業。客戶結構特徵如下：高黏性：Falcon 代理 + 雲控制台深度整合，替換成本極高；高模組使用率：平均使用模組數從 2021 年的 4 個增長至 2025 年的 7 個+；高價值客戶加速：ARR 超 $100 萬的客戶增長快於整體客戶數；全球化擴展中：美洲為主陣地，EMEA 與亞太增速強勁；交叉銷售能力強：新模組上線後，老客戶擴容意願高，部署迅速。CrowdStrike 的客戶營運核心，不是靠低價獲客，而是靠產品縱深和營運連續性實現結構性 ARPU 提升。｜財務表現：平台效應釋放盈利能力以下為 2023 Q1 至 2025 Q1 的 13 個季度核心財務資料（單位：億美元）：拐點與趨勢觀察：Charlotte AI 發佈節點（2023 Q2）後 GAAP 利潤逐季加速釋放；自由現金流高位穩定，FCF 利潤率長期維持在 40%+；訂閱結構最佳化 + 模組深度提升 → 盈利質量同步增強。CrowdStrike 已進入結構型 “高增長 + 高利潤” 平台週期。｜成長驅動：從多模組訂閱走向平台效應CrowdStrike 的成長路徑由三大結構驅動：1）模組擴張效應顯著客戶平均模組數從 4 增至 7+；高 ARR 客戶中，半數部署超過 8 個模組；模組越多 → 留存率、利潤率、ARPU 同步抬升。2） Falcon Flex 架構上線（2024 Q3）客戶可按需啟動模組，降低前期門檻；縮短銷售週期、提升模組啟動率、增強客戶心智繫結。3）橫向場景擴展 + 行業拓展日誌模組 LogScale 正衝擊傳統 SIEM（安全資訊與事件管理）市場；身份與雲模組進入 DevOps、安全合規等新預算場景；醫療、製造、金融等行業與亞太、歐洲市場客戶數加速。｜競爭位置：一體化、AI 化的第一梯隊安全平台在企業安全市場，CrowdStrike 不一定最大，但在三類核心維度中具備領先地位：平台整合度高：模組協同部署，體驗一致性優於 Palo Alto 等收購整合型平台；AI 應用深度領先：無論檢測精度、響應效率，還是生成式 AI 應用水平；客戶掌控力強：不同於 Microsoft Defender 等生態型產品，客戶組態自主權高。其競爭優勢不是價格，而是技術整合 + 交付體驗 + 客戶成功率。｜創始人基因：平台意識 + 工程化執行CrowdStrike 於 2011 年由 George Kurtz 和 Dmitri Alperovitch 聯合創立。Kurtz 擁有 McAfee CTO 與 FBI 合作背景，產品風格偏向工程可擴展性。公司從創立起即明確定位為 “雲原生 + 平台型” 安全廠商，拒絕傳統本地部署路徑。內部將 Falcon 打造為高度模組化、統一資料底座的產品結構，具備 SaaS 化迭代節奏。在執行層面，CrowdStrike 注重產品、銷售、安全服務之間的配合，客戶留存率與訂閱深度是關鍵衡量指標。平台建構也高度依賴於對 AI 模型與遙測資料的持續打磨。整體來看，CrowdStrike 的公司風格更接近一家 “安全基礎設施提供商”，而非單點功能軟體公司。03｜Palantir：從國防分析，到企業級 AI 作業系統｜商業模式：軟體平台 + 高客單價服務結構Palantir 起步於美國政府情報系統，後擴展至企業市場，形成 “政府 + 商業” 雙引擎結構。客戶通過長週期合同訂閱 Gotham 或 Foundry 平台，並獲得部署、建模、資料治理等服務。業務本質是標準化平台 + 嵌入式交付，服務強度高、部署週期長、客單價極高。2023 年起，公司收入結構向訂閱和平台使用費傾斜：政府端強調資料融合與建模深度；商業端加速標準化部署，AIP 上線後引入 Bootcamp 模式，縮短簽約週期。Palantir 不依賴廣告、交易撮合或標準 SaaS 模型，而是建構 “作業系統級平台 + 嵌入式團隊 + 私有化部署” 的商業結構。｜核心產品：Gotham、Foundry、AIP 三層協同Palantir 現有三大平台：Gotham：面向政府機構，用於情報整合、目標建模、作戰模擬；Foundry：面向企業客戶，覆蓋資料整合、預測建模、流程執行；AIP（Artificial Intelligence Platform）：將大模型嵌入業務流程，用於建構私有 AI 工具鏈。三個平台共享統一的資料權限、建模邏輯和可視化操作底座，支援模組化部署、私有化運行和多語言介面。AIP 則作為上層 “推理鏈路管理系統”，可組合模型、指派任務、呼叫資料，幫助客戶建構企業級 Copilot。在製造、能源、醫療等行業中，Palantir 已從 “資料平台” 擴展為 “模型落地工具 + 工作流引擎”。｜客戶結構：高價值客戶主導，結構演化中客戶結構分為：政府端：包括美國國防部、英國 NHS、烏克蘭政府等；商業端：包括空客、現代重工、再保險公司、富國銀行等。特點：客戶增長快：截至 2025 年 Q1，商業客戶同比增長超 40%，美國商業營收年化突破 10 億美元。Foundry 與 AIP 成為新簽與續約擴容的主力。客單價高：2024 年客戶近 490 家，年營收約 28 億美元，平均每客戶貢獻超 570 萬美元，遠高於傳統軟體公司。合同週期長：商業合同多為 3–5 年期，政府客戶則以多年期大額合同為主，收入更穩定可預期。平台粘性強：平台深度嵌入客戶權限、語義模型與工作流，形成 “行為繫結 + 資料依賴” 的結構性壁壘。這是一種典型的 “高起點、快擴容、難替代” 的企業客戶結構，也構成 Palantir 高 LTV（客戶生命週期價值）的底層支撐。｜AI 能力：從建模工具到企業私有 AI 系統Palantir 的 AI 技術演進可分為三階段：階段一：傳統建模工具嵌入Foundry 與 Gotham 長期支援圖演算法、蒙特卡洛模擬、貝葉斯建模等，側重規則與可視化流程建構。階段二：內嵌機器學習訓練能力支援企業在平台中訓練、部署模型，用於供應鏈預測、欺詐檢測、調度與推薦。階段三：AIP 推出，建構企業私有 AI 系統2023 年推出的 AIP 支援：私有大模型部署（LLM）、外掛機制；資料權限封裝與安全審計；UI 層建構業務 Assistant，實現自然語言控制、指令執行、程式碼生成。公司通過 Bootcamp 模式幫助企業試用並加速部署。至 2025 年 Q1，AIP 已簽約超 100 家客戶，成為合同增長的核心引擎。Palantir 不追求開源或模型參數領先，而專注於建構 “可控、安全、嵌入業務流程” 的 AI 基礎架構 —— 讓 AI 不止可用，而是可部署、可執行、可審計。｜財務表現：持續盈利，FCF 結構躍升以下為 2023 Q1 – 2025 Q1 財務資料（單位：億美元）：拐點簡述：2023 Q1：首次實現 GAAP 盈利；2023 Q4：FCF 躍升，進入履約兌現期；2024 Q4：一次性費用擾動淨利，但現金流表現突出；2025 Q1：淨利潤創單季新高，FCF 維持高位。Palantir 已從 “線性營收 + 低利潤釋放” 的成長路徑，轉入 “穩定盈利 + 高現金流釋放” 的結構平台階段。｜成長路徑：企業市場主導的新週期幾個趨勢明確顯示：Palantir 增長引擎已由政府端轉向商業端。收入結構最佳化：商業收入佔比從 2022 年的 43% 提升至 2025 年 Q1 的約 50%，逐步擺脫對政府合同的依賴。美國業務高增：美國商業收入 2023 年同比增長 67%，2025 年 Q1 再增 71%，成為最強增長動能。簽約轉化加速：AIP 推出後，客戶簽約週期從數月縮短至數週，Bootcamp 模式成為部署主通道。大單集中爆發：2024 年 Q4 單季簽下 32 份千萬美元以上訂單，合同總額達 8.03 億美元，同比增長 134%。與多數依賴拉新和補貼的成長公司不同，Palantir 的增長來自老客戶的持續擴容：多數企業從單一場景起步，半年內擴展至多個部門，形成高頻復購與長期合約，LTV 極高。AIP 的推出，則使 Palantir 從 “項目交付制” 轉向 “平台擴展型”：客戶將更多核心流程遷移至平台，進入一個長期共建、持續演進的合作週期。｜競爭位置：強系統整合 + 客戶粘性高Palantir 的直接對手並不多。可比公司如下：Snowflake / Databricks：資料處理強，但缺乏建模與推理執行；SAP / Oracle：流程複雜但產品陳舊，靈活性弱；Microsoft Azure / Copilot：模型強但封閉，難以部署私有化 AI 系統。其護城河主要體現在：客戶資料、權限、模型深度繫結，不易遷移；模組建構嵌入營運流程，難被覆制；合同週期長，客戶依賴高，平台整體不可拆解。客戶眼中，Palantir 不再是 “資料工具提供商”，而是 “組織結構的技術延伸”。｜創始人與企業基因：哲學結構驅動產品設計Palantir 由 Peter Thiel（投資）與 Alex Karp（CEO）推動創立，團隊同時具有工程、法律、哲學背景。組織文化有幾個核心信條：從設計層強調資料主權與權限控制；平台支援全鏈路可解釋性，拒絕 “黑箱 AI”；鼓勵私有部署、模組自治、權限解耦；長期警惕中心化 AI 模型與平台壟斷。Karp 雖非技術出身，但對產品邊界、資料使用邏輯控制極強。他曾公開表示：“Palantir 不服務於掌控使用者資料的平台，而要幫助客戶掌握自身智能資產。”正因這套 “技術非中性” 文化，Palantir 在政府與高敏感性行業中建立了長期信任基礎，也成為少數能在大模型時代提出 “企業私有智能架構” 方案的公司之一。04｜三家公司對照：三種成長路徑｜結構差異定位：效率引擎、防禦平台、決策系統這三家公司走出了三條不同的 AI 成長路徑，分別強化了效率、響應與決策能力。｜AI 嵌入方式：AI 是否真正成為產品引擎？三家公司都已將 AI 融入產品主邏輯，不再只是識別工具，而是直接參與客戶使用、決策生成與收入轉化。Applovin 和 CrowdStrike 已建立 AI 閉環，模型越成熟，商業表現越強；Palantir 則為客戶搭建整個平台，路徑更重，潛力同樣顯著。｜財務結構與增長路徑：誰已兌現？誰仍在加速？幾點觀察：Applovin 是結構最輕的公司，不依賴部署服務，演算法效果直接驅動收入，現金流轉化最快；CrowdStrike 平台性最強，訂閱結構與客戶深度帶來長期留存與利潤累積；Palantir 合同大、釋放慢，但客戶 LTV（客戶生命週期價值）極高，增長節奏開始從政府轉向企業。三家公司都已進入 “從估值講故事” 階段過渡到 “結構兌現” 階段，FCF 利潤率均已穩定落入 35–50% 區間，是典型的 “結構跑通 → 利潤釋放” 的組合。｜護城河與可複製性：技術、資料與客戶路徑的差異總結幾點：Applovin 的優勢在於效率優先，但長期壁壘仍在效果領先；CrowdStrike 建構了平台型產品結構，客戶離開成本極高；Palantir 最大的護城河來自服務深度 + 系統嵌入，是一種組織等級的繫結結構。路徑不同，結構各異，但它們都為理解成長型公司的演進方式，提供了具像樣本。05｜延伸思考：成長型公司分析框架一家成長型公司如果能真正走通，結構上往往會經歷以下幾個關鍵變化：1）產品與核心能力產品價值主張清晰：客戶為什麼為它持續付費？是否具有不可替代性？技術能力嵌入主軸：AI 或核心技術是否已成為產品結構的一部分，而非附加模組？使用反饋機制明確：產品是否因使用而變得更強？是否具備飛輪結構，形成正向累積？2）客戶與市場結構客戶結構穩定：是否為高頻、高黏性、高留存的客戶群？是否存在結構性依賴？可擴展性與復用能力：平台是否能橫向擴展到更多客戶、場景或業務路徑？3）收入與財務表現收入增長路徑穩定：收入是否來自產品結構本身？是否具備可持續性？正向營運槓桿已顯現：是否已實現正現金流？增長是否隨規模放大而改善盈利？單位經濟模型健康：客戶獲取成本與生命週期價值之間的關係是否最佳化？邊際成本是否下降？4）成長路徑與組織能力增長由產品與結構推動：是否靠產品力與客戶結構自然擴張，而非依賴投放或戰術刺激？創始人與組織穩定：是否由創始人主導？組織是否支援產品演化與方向一致性？具備第二增長曲線：是否已出現新增產品、收入路徑或客戶層級？5）行業位置與護城河是否形成真實定價權？是否建立起長期壁壘（技術 / 資料 / 組織結構）？是否具備結構性不可替代性？今天我們討論的三家公司，在巨頭之外，是否真的能長出來，還是未知數。它們當下的結構路徑，構成了我們分析和持續觀察的基礎。但更高一層的問題仍然存在：是否能建構出一個屬於自己的結構？是否能像彼得·蒂爾在《從 0 到 1》中所說的那樣，逃離競爭、建立不可複製的優勢？ (複利貓的慢思考)

要問誰是這波AI浪潮中賺錢最多的中國人？答案你絕對想不到！不是聚光燈下大談AI改變世界的大模型公司CEO，而是一個名叫唐昊的低調老哥。這個老哥抓住了去年美股最猛的AI牛股——Applovin。光去年一年，Applovin就漲了整整765.29%，漲幅高居整個美股市場第二。不光看得準，老哥下手還狠。在2023年，也就是Applovin上漲前夕，唐昊花了6.6億美元（預估）買了2316.72萬股Applovin。不到兩年時間，這2316.72萬股的AppLovin變成了56.9億美元，漲了整整8倍多。也就是說，光在這筆投資上，唐昊就賺了50.3億美元，相當於362.16億人民幣。這是什麼概念？要知道，國內大模型融資最多的智譜，估值也不過300億左右。當國內資本大佬還在辛辛苦苦爭論大模型投不投，這個老哥倒好，悶聲不響地賺到了幾十億美金。而他現在已經開始準備離場走人了。去年年底，AppLovin披露的資訊，唐昊已經賣了1319.77萬股，即便按去年下半年AppLovin均價200美元計算，也有190億已經入袋為安了。有趣的是，在唐昊賣出後，今年AppLovin的股價從高點一路下跌，最低跌至234.56美元，較最高點跌幅超過50%。當華爾街之狼們還在對著美股下跌嗷嗷叫喚，來自中國的資本獵手已經開始轉身離去，並在納斯達克牛市紀念碑上刻出八個大字：風裡雨裡，鐮刀等你。/ 01 / 神操作：精準抄底，及時逃頂唐昊（音譯）這個名字最早出現在AppLovin股東名單裡，是在2023年10月。當時，唐昊所在的亞洲創意資本有限公司對AppLovin的持股多達2316.72萬股，持股佔比達到6.7%，高於觸發報告要求的5%門檻。在持股披露前的半年時間裡，AppLovin的股價在15.75-40.82美元之間波動，均價在28.49美元。按均價計算，唐昊的買入成本大概在6.6億美元。這事很有意思，唐昊所有的買入均在三季報前完成。而AppLovin的業績爆發恰恰是從三季報開始的，你說巧不巧。在此之前，沒有絲毫跡象證明AppLovin會成為AI最大受益股。2023年二季度，AppLovin的收入甚至還出現了下降，從7.76億美元下降到7.5億美元；淨利潤從虧損2175萬變為盈利8004萬。而從2023年三季度開始，AppLovin業績徹底爆發。從2023年三季度到2024年三季度，AppLovin的收入從8.6億美元增長到12億美元，增幅接近50%。收入漲得快，淨利潤的增長更驚人。同期，AppLovin的淨利潤從1.1億美元增長到4.3億美元，增長高達291%，期間淨利潤率更是從12.79%增長到35.83%。後來的故事，大家都知道了。隨著業績暴漲，加上AI概念的加持，AppLovin成了美股AI公司裡的“帶頭大哥“。今年2月13日，AppLovin的股價甚至還一度上漲到525.15美元。在炒股行當裡，有句話叫：“會買的是徒弟，會賣的是師傅。“唐昊厲害的地方不僅在於抄底時間精準，跑路的時機也拿捏的恰到好處。今年春節後，美股開始下跌，AppLovin也不例外。在短短一個月時間裡，AppLovin的股價從最高的525.15美元，下跌到234.56美元，跌幅超過50%。雖然最近股價有所反彈，但仍然較去年年底有一段距離。而唐昊在去年年底就賣出了大部分股票，只剩下了996.95萬股。換句話說，唐昊已經賣了1319.77萬股，按去年下半年AppLovin均價200美元計算，唐昊已經賺了26.4億美元，相當於190億人民幣。這還沒算，唐昊現在手裡的996.95萬股AppLovin。按現價計算，這部分股票價值30.5億美元。總的來說，2023年唐昊花了6.6億美元買入2316.72萬股AppLovin。不到兩年的時間，這2316.72萬股AppLovin變成了56.9億美元，漲了整整8倍多，淨賺50.3億美元，相當於362.16億人民幣。毫不誇張的說，唐昊才是這波AI浪潮裡賺得最多的中國人，沒有之一。/ 02 / 唐昊是誰？說了這麼多，你肯定很好奇，唐昊是誰？由於公開資料有限，我們只能通過一些零散的公開資訊，來尋找一些端倪。根據彭博社消息，唐昊曾經在廈門大學學習電腦科學。畢業後，唐昊在深圳的中國網通集團有限公司擔任分公司經理，然後在一家電子商務公司擔任行銷總監。2009年，他在香港創立了Goldenway Investments（金道投資）。公開資料顯示，金道投資旗下金道環球投資有限公司是一家值得信賴的線上交易服務提供商，提供外匯、貴金屬、原油和指數等廣泛的交易產品。2011年，唐昊的Goldenway Precious Metals（金道貴金屬公司，提供電子的貴金屬交易平台）部門收購了美國上市公司Cyber Informatix Inc.，後者是一家軟體開發商，他擔任首席執行官。Cyber Informatix同年更名為Goldenway Inc.，並於2014年退市。2017年，唐昊秘曾購買了加拿大Stars Group17.9％的股份，準備收購Stars Group。不過最後不了了之。根據維基百科介紹，Stars Group是一家加拿大博彩和線上賭博公司，總部位於加拿大安大略省多倫多。它主要以PokerStars、Full Tilt Poker、BetStars和Fox Bet品牌經營撲克、賭場和體育博彩產品。2018年，唐氏家族向哥倫比亞大學工程與應用科學學院（Fu Foundation School of Engineering and Applied Science）捐贈了2000萬美元，以建立“唐氏金融科技創新基金”（Tang Fund for Engineering Innovations in Financial Technology）。其實，唐昊並不是唯一一個在AppLovin上賺到大錢的“中國人“。在AppLovin股東名單裡，還有一位叫唐玲（音譯）的股東。唐玲是加拿大公民，通過英屬維京群島的Angel Pride Holdings和Prominence Trust持有公司6.9%的股份。與唐昊相比，唐玲投資AppLovin時間要早得多。早在AppLovinIPO時，唐玲的名字就出現在公司股東名單裡。不過和唐昊一樣，唐玲的公開資訊也少得可憐。一個為數不多的資訊是，今年年初，在名叫Lauren Balik的分析師對AppLovin的做空報告裡提到：唐玲的名字出現在一個名叫Noah Growth Capital的網站。根據官網資料介紹，Noah Growth Capital是一家私人投資公司，總部位於康涅狄格州格林威治，這家公司代表唐氏家族的利益，在全球範圍內投資各種傳統和非傳統金融資產。Reddit 上的一篇帖子還討論了這家公司招聘的實習職位時的面試過程，他們要求候選人支付此培訓項目的50%作為費用。在Reddit上，有使用者提到，唐昊和唐玲存在著親戚關係，不過這一關係還沒有其他證據證明。按AppLovin現在的市值計算，唐玲持股的AppLovin股票價值超過78億美元。也就是說，唐昊和唐玲兩人在AppLovin一支股票上，就賺了超過100億美元。如果唐昊和唐玲的關係屬實，唐氏家族才是AI浪潮裡的最大贏家之一。當所有人還在想盡各種辦法在AI浪潮上掘金，他們已經賺得盆滿缽滿並轉身離去。 (烏鴉智能說)

十倍AI大牛股突然閃崩。 今日午後，港股AI大牛股－匯流科技股價突然大跳水，盤中一度暴跌42%。分析認為，匯量科技計劃出售Mintegral業務動搖了投資者信心。匯量科技發佈公告稱，公司正就出售Mintegral及行銷技術服務與潛在買方進行協商，仍在評估潛在出售事項，並無與任何潛在買方訂立最終或具約束力的協議。 在此之前，匯量科技股價曾大幅飆升，去年9月至今年2月18日期間，該股股價累計漲幅超過10倍。有分析稱，匯流科技炒作的主要邏輯是對標美股AI應用龍頭AppLovin。 值得注意的是，兩家做空機構突然聯手突襲AppLovin，指控AppLovin的業績很大程度上來自一系列網路廣告領域的灰色、違法操作。受此影響，AppLovin股價周三遭遇重挫，盤中最大跌幅超23%。

01 導讀 AppLovin作為一家新興科技寵兒，憑藉其創新的人工智慧模型，將廣告商與移動遊戲開發者聯絡起來，成功破解了移動遊戲廣告投放的難題。 該公司在過去一年股價上漲七倍，最新季度財報公佈後又上漲24%。其成功的關鍵在於利用玩家資料定製廣告，拓展至其他行業，吸引了大量投資者。AppLovin計畫到2025年將電子商務廣告佔比提升至10%以上，並與非直接面向消費者的公司合作。 公司還以9億美元出售遊戲開發業務，專注於廣告業務。憑藉早期的成功和資料積累，AppLovin在競爭中佔據優勢，有望成為下一個TikTok，繼續引領廣告行業變革。